我正在做一个使用OMNET++的位置隐私项目,最近我开发了一个两个节点的网络(像Tic- Toc游戏),想把它转换成一个真实的网络,根据用户的要求从2个节点到n个节点变化。
这是2个节点的结构:
simple Txc1
{
gates:
input in;
output out;
}
`enter code here`// Two instances (tic and toc) of Txc1 connected both ways.
// Tic and toc will pass messages to one another.
//
network Tictoc1
{
submodule
有没有好的方法可以在一个完全连接的PyBrain网络中添加/删除神经元及其相关连接?假设我是这样开始的:
from pybrain.tools.shortcuts import buildNetwork
net = buildNetwork(2,3,1)
我如何让它成为(2,4,1)或(2,2,1)网络,同时保持所有旧的权重(并将任何新的权重初始化为随机,就像初始化网络时所做的那样)?我想这样做的原因是因为我正在尝试使用进化学习策略来确定最佳架构,而“突变”步骤涉及到以一定的概率添加/删除节点。(输入和输出模块应该始终保持不变。)
编辑:我发现了NeuronDecomposableNetwor
我有一个想法来改进我目前正在使用的神经网络,但我对机器学习还很陌生,所以我不知道它是否可能实现,它有多难,或者只是不值得。想法是这样的。我有一个图像样本,我必须将它们在信号和背景(0或1)之间进行分类。问题是,这些与变量x相关的图像与这个变量非常相关,这意味着通常情况下,具有相似x值的两个图像与具有非常不同的x值的两个图像更相似。所以我想,也许将这个样本训练成小样本会是一个好主意,每个图像更多地考虑具有相似x的图像训练的权重。这就是我想实现它的方式(可能这个实现并不是真的可行,所以如果你知道一个更可行的方法,请随时告诉我):
现在,我对整个样本使用卷积神经网络,使用Keras,它是这样的:
d